20210122-mtg

20210122-mtg.md

https://gist.github.com/uhfx/434883a9c175eadd37dafa67aa96e1d3 を改変．

newline-character.txt

あ
 
あ

ocu1.py

# import IPython
from IPython.display import display

# lunar1.py header
import pandas as pd
import glob

# lunar1.py
text_paths = glob.glob('data/ocu2/*.txt')
texts = []
for text_path in text_paths:
    text = open(text_path, 'r').read()
    # text = text.split('\n') # modified
    text = text.split(',')
    title = text[3] # added
    # title = text[2] # modified
    text = ' '.join(text[8:9])
    text = text.strip('\n')
    text = text.strip('"')
    
    texts.append(text)
    
news_ss = pd.Series(texts)
pd.set_option('display.max_rows', None)
display(news_ss.head()) 
# display(news_ss)

ocu12.py

# import IPython
from IPython.display import display

# lunar1.py header
import pandas as pd
import glob
# lunar2.py header
import MeCab
tagger = MeCab.Tagger("-Ochasen")
import mojimoji
import os
import urllib

# lunar1.py
text_paths = glob.glob('data/ocu2/*.txt')
texts = []
for text_path in text_paths:
    text = open(text_path, 'r').read()
    # text = text.split('\n') # modified
    text = text.split(',')
    title = text[3] # added
    # title = text[2] # modified
    text = ' '.join(text[8:9])
    text = text.strip('\n')
    text = text.strip('"')
    text = text.replace('する', '')
    text = text.replace('できる', '')
    
    texts.append(text)
    
news_ss = pd.Series(texts)
# display(news_ss.head()) 
# display(news_ss) 

# lunar2.py
def load_jp_stopwords(path="data/jp_stop_words.txt"):
    url = 'http://svn.sourceforge.jp/svnroot/slothlib/CSharp/Version1/SlothLib/NLP/Filter/StopWord/word/Japanese.txt'
    if os.path.exists(path):
        print('File already exists.')
    else:
        print('Downloading...')
        urllib.request.urlretrieve(url, path)
    return pd.read_csv(path, header=None)[0].tolist()

def preprocess_jp(series):
    stop_words = load_jp_stopwords()
    def tokenizer_func(text):
        tokens = []
        node = tagger.parseToNode(str(text))
        while node:
            features = node.feature.split(',')
            surface = features[6]
            if (surface == '*') or (len(surface) < 2) or (surface in stop_words):
                node = node.next
                continue
            noun_flag = (features[0] == '名詞')
            proper_noun_flag = (features[0] == '名詞') & (features[1] == '固有名詞')
            verb_flag = (features[0] == '動詞') & (features[1] == '自立')
            adjective_flag = (features[0] == '形容詞') & (features[1] == '自立')
            if proper_noun_flag:
                tokens.append(surface)
            elif noun_flag:
                tokens.append(surface)
            elif verb_flag:
                tokens.append(surface)
            elif adjective_flag:
                tokens.append(surface)
            node = node.next
        return " ".join(tokens)

    series = series.map(tokenizer_func)
    
    #---------------Normalization-----------#
    series = series.map(lambda x: x.lower())
    series = series.map(mojimoji.zen_to_han)

    return series
    
processed_news_ss = preprocess_jp(news_ss)
pd.set_option('display.max_rows', None)
display(processed_news_ss.head())
# display(processed_news_ss)

ocu123.py

# フォントの入手元 https://moji.or.jp/ipafont/ipafontdownload/
# import IPython
from IPython.display import display

# lunar1.py header
import pandas as pd
import glob

# lunar2.py header
import MeCab
tagger = MeCab.Tagger("-Ochasen")
import mojimoji
import os
import urllib

# lunar3.py header
from wordcloud import WordCloud
import matplotlib
import matplotlib.pyplot as plt
import numpy as np

#lunar1.py
text_paths = glob.glob('data/ocu2/*.txt')
texts = []
for text_path in text_paths:
    text = open(text_path, 'r').read()
    # text = text.split('\n') # modified
    text = text.split(',')
    title = text[3] # added
    # title = text[2] # modified
    text = ' '.join(text[8:9])
    text = text.strip('\n')
    text = text.strip('"')
    text = text.replace('する', '')
    text = text.replace('できる', '')
    
    texts.append(text)
    
news_ss = pd.Series(texts)
# display(news_ss.head()) 

# lunar2.py
def load_jp_stopwords(path="data/jp_stop_words.txt"):
    url = 'http://svn.sourceforge.jp/svnroot/slothlib/CSharp/Version1/SlothLib/NLP/Filter/StopWord/word/Japanese.txt'
    if os.path.exists(path):
        print('File already exists.')
    else:
        print('Downloading...')
        urllib.request.urlretrieve(url, path)
    return pd.read_csv(path, header=None)[0].tolist()

def preprocess_jp(series):
    stop_words = load_jp_stopwords()
    def tokenizer_func(text):
        tokens = []
        node = tagger.parseToNode(str(text))
        while node:
            features = node.feature.split(',')
            surface = features[6]
            if (surface == '*') or (len(surface) < 2) or (surface in stop_words):
                node = node.next
                continue
            noun_flag = (features[0] == '名詞')
            proper_noun_flag = (features[0] == '名詞') & (features[1] == '固有名詞')
            verb_flag = (features[0] == '動詞') & (features[1] == '自立')
            adjective_flag = (features[0] == '形容詞') & (features[1] == '自立')
            if proper_noun_flag:
                tokens.append(surface)
            elif noun_flag:
                tokens.append(surface)
            elif verb_flag:
                tokens.append(surface)
            elif adjective_flag:
                tokens.append(surface)
            node = node.next
        return " ".join(tokens)

    series = series.map(tokenizer_func)
    
    #---------------Normalization-----------#
    series = series.map(lambda x: x.lower())
    series = series.map(mojimoji.zen_to_han)

    return series
    
processed_news_ss = preprocess_jp(news_ss)
# display(processed_news_ss.head()) 


# lunar3.py
font_path="/Library/Fonts/ipaexg.ttf"
font_property = matplotlib.font_manager.FontProperties(fname=font_path, size=24)
# font_property = matplotlib.font_manager.FontProperties(size=24)

def show_wordcloud(series):
    long_string = ','.join(list(series.values))
    
    # Create a WordCloud object
    wordcloud = WordCloud(font_path=font_path, background_color="white", max_words=1000, contour_width=3, contour_color='steelblue')
    # wordcloud = WordCloud( background_color="white", max_words=1000, contour_width=3, contour_color='steelblue')
    
    # Generate a word cloud
    wordcloud.generate(long_string)
    
    # Visualize the word cloud
    plt.imshow(wordcloud)
    plt.show()

show_wordcloud(processed_news_ss) 

ocu1234.py

# import IPython
from IPython.display import display

# lunar1.py header
import pandas as pd
import glob

# lunar2.py header
import MeCab
tagger = MeCab.Tagger("-Ochasen")
import mojimoji
import os
import urllib

# lunar3.py header
from wordcloud import WordCloud
import matplotlib
import matplotlib.pyplot as plt
import numpy as np

#lunar4.py header
from sklearn.feature_extraction.text import CountVectorizer, TfidfTransformer

# lunar1.py
text_paths = glob.glob('data/ocu2/*.txt')
texts = []
for text_path in text_paths:
    text = open(text_path, 'r').read()
    # text = text.split('\n') # modified
    text = text.split(',')
    title = text[3] # added
    # title = text[2] # modified
    text = ' '.join(text[8:9])
    text = text.strip('\n')
    text = text.strip('"')
    text = text.replace('する', '')
    text = text.replace('できる', '')
    
    texts.append(text)
    
news_ss = pd.Series(texts)
# display(news_ss.head()) 

# lunar2.py
def load_jp_stopwords(path="data/jp_stop_words.txt"):
    url = 'http://svn.sourceforge.jp/svnroot/slothlib/CSharp/Version1/SlothLib/NLP/Filter/StopWord/word/Japanese.txt'
    if os.path.exists(path):
        print('File already exists.')
    else:
        print('Downloading...')
        urllib.request.urlretrieve(url, path)
    return pd.read_csv(path, header=None)[0].tolist()

def preprocess_jp(series):
    stop_words = load_jp_stopwords()
    def tokenizer_func(text):
        tokens = []
        node = tagger.parseToNode(str(text))
        while node:
            features = node.feature.split(',')
            surface = features[6]
            if (surface == '*') or (len(surface) < 2) or (surface in stop_words):
                node = node.next
                continue
            noun_flag = (features[0] == '名詞')
            proper_noun_flag = (features[0] == '名詞') & (features[1] == '固有名詞')
            verb_flag = (features[0] == '動詞') & (features[1] == '自立')
            adjective_flag = (features[0] == '形容詞') & (features[1] == '自立')
            if proper_noun_flag:
                tokens.append(surface)
            elif noun_flag:
                tokens.append(surface)
            elif verb_flag:
                tokens.append(surface)
            elif adjective_flag:
                tokens.append(surface)
            node = node.next
        return " ".join(tokens)

    series = series.map(tokenizer_func)
    
    #---------------Normalization-----------#
    series = series.map(lambda x: x.lower())
    series = series.map(mojimoji.zen_to_han)

    return series
    
processed_news_ss = preprocess_jp(news_ss)
# display(processed_news_ss.head()) 

# lunar3.py
font_path="/Library/Fonts/ipaexg.ttf"
font_property = matplotlib.font_manager.FontProperties(fname=font_path, size=24)
# font_property = matplotlib.font_manager.FontProperties(size=24)

def show_wordcloud(series):
    long_string = ','.join(list(series.values))
    
    # Create a WordCloud object
    wordcloud = WordCloud(font_path=font_path, background_color="white", max_words=1000, contour_width=3, contour_color='steelblue')
    # wordcloud = WordCloud( background_color="white", max_words=1000, contour_width=3, contour_color='steelblue')
    
    # Generate a word cloud
    wordcloud.generate(long_string)
    
    # Visualize the word cloud
    plt.imshow(wordcloud)
    plt.show()

# show_wordcloud(processed_news_ss) 

# lunar4.py
count_vectorizer = CountVectorizer()
count_data = count_vectorizer.fit_transform(processed_news_ss)
tfidf_vectorizer = TfidfTransformer()
tfidf_data = tfidf_vectorizer.fit_transform(count_data)
print(tfidf_data.toarray()) 
print(tfidf_data.shape)

ocu12345.py

# import IPython
from IPython.display import display

# lunar1.py header
import pandas as pd
import glob

# lunar2.py header
import MeCab
tagger = MeCab.Tagger("-Ochasen")
import mojimoji
import os
import urllib

# lunar3.py header
from wordcloud import WordCloud
import matplotlib
import matplotlib.pyplot as plt
import numpy as np

#lunar4.py header
from sklearn.feature_extraction.text import CountVectorizer, TfidfTransformer

# lunar5.py header
from sklearn.model_selection import GridSearchCV
from sklearn.decomposition import LatentDirichletAllocation as LDA

#lunar1.py
text_paths = glob.glob('data/ocu2/*.txt')
texts = []
for text_path in text_paths:
    text = open(text_path, 'r').read()
    # text = text.split('\n') # modified
    text = text.split(',')
    title = text[3] # added
    # title = text[2] # modified
    text = ' '.join(text[8:9])
    text = text.strip('\n')
    text = text.strip('"')
    text = text.replace('する', '')
    text = text.replace('できる', '')
    
    texts.append(text)
    
news_ss = pd.Series(texts)
# display(news_ss.head()) 

# lunar2.py
def load_jp_stopwords(path="data/jp_stop_words.txt"):
    url = 'http://svn.sourceforge.jp/svnroot/slothlib/CSharp/Version1/SlothLib/NLP/Filter/StopWord/word/Japanese.txt'
    if os.path.exists(path):
        print('File already exists.')
    else:
        print('Downloading...')
        urllib.request.urlretrieve(url, path)
    return pd.read_csv(path, header=None)[0].tolist()

def preprocess_jp(series):
    stop_words = load_jp_stopwords()
    def tokenizer_func(text):
        tokens = []
        node = tagger.parseToNode(str(text))
        while node:
            features = node.feature.split(',')
            surface = features[6]
            if (surface == '*') or (len(surface) < 2) or (surface in stop_words):
                node = node.next
                continue
            noun_flag = (features[0] == '名詞')
            proper_noun_flag = (features[0] == '名詞') & (features[1] == '固有名詞')
            verb_flag = (features[0] == '動詞') & (features[1] == '自立')
            adjective_flag = (features[0] == '形容詞') & (features[1] == '自立')
            if proper_noun_flag:
                tokens.append(surface)
            elif noun_flag:
                tokens.append(surface)
            elif verb_flag:
                tokens.append(surface)
            elif adjective_flag:
                tokens.append(surface)
            node = node.next
        return " ".join(tokens)

    series = series.map(tokenizer_func)
    
    #---------------Normalization-----------#
    series = series.map(lambda x: x.lower())
    series = series.map(mojimoji.zen_to_han)

    return series
    
processed_news_ss = preprocess_jp(news_ss)
# display(processed_news_ss.head()) 

# lunar3.py
font_path="/Library/Fonts/ipaexg.ttf"
font_property = matplotlib.font_manager.FontProperties(fname=font_path, size=24)
# font_property = matplotlib.font_manager.FontProperties(size=24)

def show_wordcloud(series):
    long_string = ','.join(list(series.values))
    
    # Create a WordCloud object
    wordcloud = WordCloud(font_path=font_path, background_color="white", max_words=1000, contour_width=3, contour_color='steelblue')
    # wordcloud = WordCloud( background_color="white", max_words=1000, contour_width=3, contour_color='steelblue')
    
    # Generate a word cloud
    wordcloud.generate(long_string)
    
    # Visualize the word cloud
    plt.imshow(wordcloud)
    plt.show()

# show_wordcloud(processed_news_ss) 

# lunar4.py
count_vectorizer = CountVectorizer()
count_data = count_vectorizer.fit_transform(processed_news_ss)
tfidf_vectorizer = TfidfTransformer()
tfidf_data = tfidf_vectorizer.fit_transform(count_data)
# print(tfidf_data.toarray()) 
# print(tfidf_data.shape)

# lunar5.py
from sklearn.model_selection import GridSearchCV
from sklearn.decomposition import LatentDirichletAllocation as LDA

def gridsearch_best_model(tfidf_data, plot_enabled=True):
    # Define Search Param
    n_topics = [4,5,6,7,8,9]
    # n_topics = [8,9,10,11,12,13]
    search_params = {'n_components': n_topics}
    
    # Init the Model
    lda = LDA(max_iter=25,               # Max learning iterations
              learning_method='batch',   
              random_state=0,            # Random state
              n_jobs = -1,               # Use all available CPUs)
              )
    
    # Init Grid Search Class
    model = GridSearchCV(lda, param_grid=search_params)
    
    # Do the Grid Search
    model.fit(tfidf_data)
    
    # Best Model
    best_lda_model = model.best_estimator_
    
    # Model Parameters
    print("Best Model's Params: ", model.best_params_)
    
    # Log Likelihood Score
    print("Best Log Likelihood Score: ", model.best_score_)
    
    # Perplexity
    print("Model Perplexity: ", best_lda_model.perplexity(tfidf_data))
    
    # Get Log Likelyhoods from Grid Search Output
    log_likelyhoods_score = [round(score) for score in model.cv_results_["mean_test_score"]]
    
    if plot_enabled:
        # Show graph
        plt.figure(figsize=(12, 8))
        plt.plot(n_topics, log_likelyhoods_score)
        plt.title("Choosing Optimal LDA Model")
        plt.xlabel("Number of Topics")
        plt.ylabel("Log Likelyhood Scores")
        plt.show()

    return best_lda_model
best_lda_model = gridsearch_best_model(tfidf_data) 

ocu123456.py

# import IPython
from IPython.display import display

# lunar1.py header
import pandas as pd
import glob

# lunar2.py header
import MeCab
tagger = MeCab.Tagger("-Ochasen")
import mojimoji
import os
import urllib

# lunar3.py header
from wordcloud import WordCloud
import matplotlib
import matplotlib.pyplot as plt
import numpy as np

#lunar4.py header
from sklearn.feature_extraction.text import CountVectorizer, TfidfTransformer

# lunar5.py header
from sklearn.model_selection import GridSearchCV
from sklearn.decomposition import LatentDirichletAllocation as LDA

#lunar1.py
text_paths = glob.glob('data/ocu2/*.txt')
texts = []
for text_path in text_paths:
    text = open(text_path, 'r').read()
    # text = text.split('\n') # modified
    text = text.split(',')
    title = text[3] # added
    # title = text[2] # modified
    text = ' '.join(text[8:9])
    text = text.strip('\n')
    text = text.strip('"')
    text = text.replace('する', '')
    text = text.replace('できる', '')
    
    texts.append(text)
    
news_ss = pd.Series(texts)
# display(news_ss.head()) 

# lunar2.py
def load_jp_stopwords(path="data/jp_stop_words.txt"):
    url = 'http://svn.sourceforge.jp/svnroot/slothlib/CSharp/Version1/SlothLib/NLP/Filter/StopWord/word/Japanese.txt'
    if os.path.exists(path):
        print('File already exists.')
    else:
        print('Downloading...')
        urllib.request.urlretrieve(url, path)
    return pd.read_csv(path, header=None)[0].tolist()

def preprocess_jp(series):
    stop_words = load_jp_stopwords()
    def tokenizer_func(text):
        tokens = []
        node = tagger.parseToNode(str(text))
        while node:
            features = node.feature.split(',')
            surface = features[6]
            if (surface == '*') or (len(surface) < 2) or (surface in stop_words):
                node = node.next
                continue
            noun_flag = (features[0] == '名詞')
            proper_noun_flag = (features[0] == '名詞') & (features[1] == '固有名詞')
            verb_flag = (features[0] == '動詞') & (features[1] == '自立')
            adjective_flag = (features[0] == '形容詞') & (features[1] == '自立')
            if proper_noun_flag:
                tokens.append(surface)
            elif noun_flag:
                tokens.append(surface)
            elif verb_flag:
                tokens.append(surface)
            elif adjective_flag:
                tokens.append(surface)
            node = node.next
        return " ".join(tokens)

    series = series.map(tokenizer_func)
    
    #---------------Normalization-----------#
    series = series.map(lambda x: x.lower())
    series = series.map(mojimoji.zen_to_han)

    return series
    
processed_news_ss = preprocess_jp(news_ss)
# display(processed_news_ss.head()) 

# lunar3.py
font_path="/Library/Fonts/ipaexg.ttf"
font_property = matplotlib.font_manager.FontProperties(fname=font_path, size=24)
# font_property = matplotlib.font_manager.FontProperties(size=24)

def show_wordcloud(series):
    long_string = ','.join(list(series.values))
    
    # Create a WordCloud object
    wordcloud = WordCloud(font_path=font_path, background_color="white", max_words=1000, contour_width=3, contour_color='steelblue')
    # wordcloud = WordCloud( background_color="white", max_words=1000, contour_width=3, contour_color='steelblue')
    
    # Generate a word cloud
    wordcloud.generate(long_string)
    
    # Visualize the word cloud
    plt.imshow(wordcloud)
    plt.show()

# show_wordcloud(processed_news_ss) 

# lunar4.py
count_vectorizer = CountVectorizer()
count_data = count_vectorizer.fit_transform(processed_news_ss)
tfidf_vectorizer = TfidfTransformer()
tfidf_data = tfidf_vectorizer.fit_transform(count_data)
# print(tfidf_data.toarray()) 
# print(tfidf_data.shape)

# lunar5.py
def gridsearch_best_model(tfidf_data, plot_enabled=False):
    # Define Search Param
    # n_topics = [8,9,10,11,12,13]
    n_topics = [4,5,6,7,8,9]
    search_params = {'n_components': n_topics}
    
    # Init the Model
    lda = LDA(max_iter=25,               # Max learning iterations
              learning_method='batch',   
              random_state=0,            # Random state
              n_jobs = -1,               # Use all available CPUs)
              )
    
    # Init Grid Search Class
    model = GridSearchCV(lda, param_grid=search_params)
    
    # Do the Grid Search
    model.fit(tfidf_data)
    
    # Best Model
    best_lda_model = model.best_estimator_
    
    # Model Parameters
    print("Best Model's Params: ", model.best_params_)
    
    # Log Likelihood Score
    print("Best Log Likelihood Score: ", model.best_score_)
    
    # Perplexity
    print("Model Perplexity: ", best_lda_model.perplexity(tfidf_data))
    
    # Get Log Likelyhoods from Grid Search Output
    log_likelyhoods_score = [round(score) for score in model.cv_results_["mean_test_score"]]
    
    if plot_enabled:
        # Show graph
        plt.figure(figsize=(12, 8))
        plt.plot(n_topics, log_likelyhoods_score)
        plt.title("Choosing Optimal LDA Model")
        plt.xlabel("Number of Topics")
        plt.ylabel("Log Likelyhood Scores")
        plt.show()

    return best_lda_model
best_lda_model = gridsearch_best_model(tfidf_data)

# lunar6.py
def print_topics(model, count_vectorizer, n_top_words):
    fig = plt.figure(figsize=(15,8))
    words = count_vectorizer.get_feature_names()
    for topic_idx, topic in enumerate(model.components_):
        print("\nTopic #", topic_idx, ":")
        long_string = ','.join([words[i] for i in topic.argsort()[:-n_top_words - 1:-1]])
        print(long_string)
        topic_wordcloud(topic_idx, fig, long_string)
    # show plots
    fig.tight_layout()
    fig.show()

def topic_wordcloud(topic_idx, fig, long_string):
    ax = fig.add_subplot(2, 3, topic_idx + 1)
    wordcloud = WordCloud(font_path=font_path, background_color="white", max_words=1000, contour_width=3, contour_color='steelblue')
    wordcloud.generate(long_string)
    ax.imshow(wordcloud)
    ax.set_title('Topic '+str(topic_idx))

number_words = 500
print_topics(best_lda_model, count_vectorizer, number_words)

run-139.txt

(bachelor) user@MacBook-Pro bachelor % python3 ocu1.py  
0            研究発表でZOOMを使いたいが、不特定多数が参加できないように事前登録を行いたい。
1    マイクロソフトOffice365を新規のPCにインストールするため、現在使用していないPCか...
2    事務用共用ファイルサーバーにアクセスできなくなった。\nフォルダをダブルクリックしても「権限...
3                 メールアドレス（@st.osaka-cu.ac.jp）が使用出来ません。
4    自宅のノートPCで、OneDriveにファイルをアップロードするにはどうすれば良いか？個人で...
dtype: object
(bachelor) user@MacBook-Pro bachelor % python3 ocu12.py 
File already exists.
0                       研究 発表 使う 特定 多数 参加 できる 事前 登録 行う
1      ﾏｲｸﾛｿﾌﾄ 新規 ｲﾝｽﾄｰﾙ 現在 使用 する ｱｶｳﾝﾄ 削除 する する 使用 する
2    事務 共用 ﾌｧｲﾙ ｻｰﾊﾞｰ ｱｸｾｽ できる なる ﾀﾞﾌﾞﾙ ｸﾘｯｸ する 権限 ...
3                                      ﾒｰﾙｱﾄﾞﾚｽ 使用 出来る
4             自宅 ﾉｰﾄ ﾌｧｲﾙ ｱｯﾌﾟ ﾛｰﾄﾞ する 個人 利用 する ｿﾌﾄ 入る
dtype: object
(bachelor) user@MacBook-Pro bachelor % python3 ocu123.py
File already exists.
(bachelor) user@MacBook-Pro bachelor % python3 ocu1234.py
File already exists.
[[0. 0. 0. ... 0. 0. 0.]
 [0. 0. 0. ... 0. 0. 0.]
 [0. 0. 0. ... 0. 0. 0.]
 ...
 [0. 0. 0. ... 0. 0. 0.]
 [0. 0. 0. ... 0. 0. 0.]
 [0. 0. 0. ... 0. 0. 0.]]
(139, 315)
(bachelor) user@MacBook-Pro bachelor % python3 ocu12345.py
File already exists.
Best Model's Params:  {'n_components': 4}
Best Log Likelihood Score:  -653.9025916693693
Model Perplexity:  1155.6171152383592
(bachelor) user@MacBook-Pro bachelor % python3 ocu123456.py
File already exists.
Best Model's Params:  {'n_components': 4}
Best Log Likelihood Score:  -653.9025916693693
Model Perplexity:  1155.6171152383592

Topic # 0 :
利用,印刷,ﾃﾞｽｸ,する,出来る,できる,設定,ﾄｯﾌﾟ,ﾒｰﾙ,認証,ｱﾄﾞﾚｽ,差出人,ﾈｯﾄﾜｰｸ,使用,ﾍﾙﾌﾟ,起動,けんか,ﾌﾟﾘﾝﾀ,ある,ｸﾞﾛｰﾊﾞﾙ,ﾘﾓｰﾄ,導入,同期,なる,繋がる,検討,包括,全学,ﾒｰﾙｱﾄﾞﾚｽ,正規,ﾗｲｾﾝｽ,教授,名誉,ﾌﾟﾘﾝﾀｰ,ﾛｸﾞｱｳﾄ,対応,対象,ｿﾌﾄ,飛ぶ,届く,ﾒﾓﾘ,発行,訪問,貸し出し,ﾌｫｰﾑ,問合せ,継続,仕様,宛先,可能,使える,ｻｲﾄ,開始,手続き,特定,ｳｨﾙｽ,つながる,試みる,動画,ﾛｰﾄﾞ,ｱｯﾌﾟ,よい,阿倍野,現在,ｼｽﾃﾑ,教える,わかる,ｷｬﾝﾊﾟｽ,割り当てる,端末,ｱｸｾｽ,対策,求める,固定,教員,変更,必要,給与,前期,いう,起きる,同様,事象,ｲﾝﾀｰﾝ,ﾈｯﾄ,人事,非常勤,接続,ｻｰﾊﾞｰ,自宅,ﾛｸﾞｲﾝ,問い合わせ,ない,閲覧,係長,御中,置く,解決,不可,ﾄﾞﾗｲﾌﾞ,共有,経済,禁止,ご存じ,向け,田中,藤本,推進,有償,ｱｶｳﾝﾄ,お願い,ｲﾝｽﾄｰﾙ,申請,個人,お世話,研究,情報,ﾀﾞｳﾝﾛｰﾄﾞ,回答,学生,ｳｲﾙｽ,ｴﾗｰ,入る,学内,来客,容量,分かる,無線,表示,ﾎﾟｹｯﾄ,ｱﾝｹｰﾄ,停電,入れる,ﾒﾝﾊﾞｰ,事前,出る,登録,追加,参加,学校,学部,忘れる,ﾏﾆｭｱﾙ,欲しい,削除,ﾊﾟｽﾜｰﾄﾞ,ﾍﾟｰｼﾞ,居室,再生,上限,いる,権限,切断,機能,ｻｰﾊﾞ,応答,誤る,強制,最初,失敗,配る,記載,今年度,非公開,使う,ﾌｧｲﾙ,ﾉｰﾄ,繋げる,引く,ｹｰﾌﾞﾙ,ﾎﾟｰﾄ,反映,ﾀﾌﾞﾚｯﾄ,出す,ﾚﾎﾟｰﾄ,授業,ｲﾝﾀｰﾈｯﾄ,勤務,病院,状況,有線,ﾏｰｸ,杉本,ｴﾘｱ,共同,ﾎｽﾄ,切り換える,保護,ﾌﾟﾗｲﾊﾞｼｰ,複合,ﾏｲﾆﾝｸﾞ,ﾃｷｽﾄ,契約,ﾊﾞｰｼﾞｮﾝ,あがる,新しい,思う,経緯,参照,ｱｯﾌﾟﾃﾞｰﾄ,切れる,提供,無効,先生,購入,変わる,流出,結果,講師,取得,ｱﾌﾟﾘｹｰｼｮﾝ,ｿﾌﾄｳｴｱ,ｻｰﾋﾞｽ,質問,つなげる,記事,機器,振る,迷惑,ｽﾊﾟﾑﾒｰﾙ,会計,財務,付与,留学生,設置,管理,初期,卒業,試す,ﾕｰｻﾞ,送受信,ｱｲｺ,書く,状態,大変,助かる,お手数,以来,おかけ,持つ,つなぐ,各種,要求,入力,職員,番号,ｱﾝ,異動,転出,いただける,指定,客員,公開,ﾃﾞｰﾀ,ﾃﾞｰﾀﾍﾞｰｽ,学外,発生,不明,拝見,割り当て,指示,添付,展開,見つける,大学,ﾀﾞｳﾝ,みる,お送り,ｼｬｯﾄ,内容,岩崎,大阪市立大学,齋藤,長い,ｹﾞｽﾄ,有効,無い,期限,発表,行う,多数,仮想,担当,運用,自動的,外れる,ｸﾞﾙｰﾌﾟ,ﾀｲﾐﾝｸﾞ,完全,退学,退職,見る,部署,十分,ﾘｾｯﾄ,作成,本来,更新,証明,ﾏｲｸﾛｿﾌﾄ,新規,最新,配信,操作,掲示,共用,見つかる,でる,用途,外部,補佐,ﾐｰﾃｨﾝｸﾞ,事務,ﾀﾞﾌﾞﾙ,ｸﾘｯｸ

Topic # 1 :
接続,できる,する,ｻｰﾊﾞｰ,研究,使用,ｿﾌﾄ,共用,対策,表示,ﾀﾞｳﾝﾛｰﾄﾞ,ｱｸｾｽ,ｱｶｳﾝﾄ,ｴﾗｰ,可能,ﾉｰﾄ,新規,見つかる,経緯,参照,客員,ﾌｧｲﾙ,申請,証明,大学,ｳｲﾙｽ,ｲﾝｽﾄｰﾙ,つなげる,質問,容量,発行,利用,指定,同期,配信,掲示,最新,操作,でる,ﾐｰﾃｨﾝｸﾞ,外部,用途,補佐,試す,ﾕｰｻﾞ,ﾗｲｾﾝｽ,ﾏﾆｭｱﾙ,欲しい,ﾏｲｸﾛｿﾌﾄ,ｳｨﾙｽ,ﾛｰﾄﾞ,ｱｯﾌﾟ,登録,個人,ｸﾘｯｸ,ﾀﾞﾌﾞﾙ,事務,自宅,ﾌﾟﾘﾝﾀ,ない,権限,現在,入る,削除,ｼｽﾃﾑ,学生,なる,ﾎﾟｹｯﾄ,ﾈｯﾄﾜｰｸ,学内,ﾌﾟﾗｲﾊﾞｼｰ,保護,飛ぶ,出来る,ｸﾞﾛｰﾊﾞﾙ,ｱﾄﾞﾚｽ,ﾌﾟﾘﾝﾀｰ,ﾈｯﾄ,事象,起きる,同様,ｲﾝﾀｰﾝ,訪問,対応,教える,固定,起動,有線,ﾒｰﾙ,試みる,来客,有償,ある,教員,ﾒｰﾙｱﾄﾞﾚｽ,繋がる,無線,動画,ｲﾝﾀｰﾈｯﾄ,事前,分かる,わかる,貸し出し,入れる,ｱﾝｹｰﾄ,特定,認証,割り当てる,求める,閲覧,参加,出る,包括,対象,ﾒﾝﾊﾞｰ,ﾛｸﾞｲﾝ,変更,よい,ｷｬﾝﾊﾟｽ,追加,けんか,切れる,非常勤,人事,ﾛｸﾞｱｳﾄ,問い合わせ,学校,必要,学部,忘れる,正規,つながる,ﾊﾟｽﾜｰﾄﾞ,全学,機能,切断,ﾎｽﾄ,共同,応答,ｻｰﾊﾞ,使う,再生,非公開,無効,提供,端末,いる,ｿﾌﾄｳｴｱ,ｱﾌﾟﾘｹｰｼｮﾝ,ｻｰﾋﾞｽ,上限,ﾍﾟｰｼﾞ,居室,届く,今年度,配る,記載,失敗,最初,ﾃﾞｰﾀﾍﾞｰｽ,ﾃﾞｰﾀ,発生,公開,学外,出す,ﾚﾎﾟｰﾄ,授業,ﾃｷｽﾄ,ﾏｲﾆﾝｸﾞ,停電,検討,ﾀﾌﾞﾚｯﾄ,病院,勤務,状況,切り換える,新しい,名誉,教授,機器,振る,誤る,強制,あがる,ﾊﾞｰｼﾞｮﾝ,思う,管理,ｱｯﾌﾟﾃﾞｰﾄ,流出,結果,印刷,複合,多数,発表,行う,変わる,記事,ﾄｯﾌﾟ,先生,購入,指示,見つける,割り当て,拝見,添付,展開,ﾏｰｸ,ｴﾘｱ,杉本,前期,給与,いう,契約,設置,留学生,講師,反映,ﾎﾟｰﾄ,ｹｰﾌﾞﾙ,繋げる,引く,付与,設定,更新,財務,会計,情報,迷惑,ｽﾊﾟﾑﾒｰﾙ,送受信,卒業,初期,ｹﾞｽﾄ,有効,期限,長い,無い,宛先,回答,職員,ﾃﾞｽｸ,要求,入力,各種,使える,ｻｲﾄ,ﾍﾙﾌﾟ,異動,ｱﾝ,転出,差出人,ﾒﾓﾘ,取得,ｱｲｺ,書く,仮想,退学,ﾀｲﾐﾝｸﾞ,完全,退職,番号,不明,運用,担当,ｸﾞﾙｰﾌﾟ,外れる,自動的,部署,見る,十分,作成,問合せ,ﾌｫｰﾑ,導入,継続,仕様,ﾄﾞﾗｲﾌﾞ,解決,向け,田中,経済,共有,禁止,不可,ご存じ,藤本,置く,御中,係長,手続き,開始,ﾘﾓｰﾄ,阿倍野,推進,お世話,おかけ,大変,お手数,つなぐ,持つ,以来,助かる,状態,いただける,お願い,みる,ﾀﾞｳﾝ,齋藤,岩崎,お送り,ｼｬｯﾄ,内容,大阪市立大学,ﾘｾｯﾄ,本来

Topic # 2 :
する,ﾈｯﾄﾜｰｸ,なる,使用,ﾒｰﾙ,できる,ｲﾝｽﾄｰﾙ,利用,追加,仮想,ﾗｲｾﾝｽ,ﾌﾟﾘﾝﾀｰ,入る,ｿﾌﾄ,学生,わかる,使う,自宅,機能,複合,包括,送受信,情報,ある,職員,教える,学内,出来る,可能,切断,入れる,登録,ﾌﾟﾘﾝﾀ,番号,居室,停電,いる,ｱﾄﾞﾚｽ,切り換える,ｱｯﾌﾟﾃﾞｰﾄ,回答,ﾃｷｽﾄ,ﾏｲﾆﾝｸﾞ,忘れる,学部,病院,勤務,ﾀﾞｳﾝﾛｰﾄﾞ,取得,状況,契約,書く,ｱｲｺ,あがる,ﾊﾞｰｼﾞｮﾝ,ﾚﾎﾟｰﾄ,出す,授業,来客,無線,留学生,ﾒﾝﾊﾞｰ,先生,購入,よい,流出,結果,反映,出る,ﾎﾟｹｯﾄ,思う,提供,無効,有償,ｱﾝｹｰﾄ,ﾀﾌﾞﾚｯﾄ,変わる,迷惑,ｽﾊﾟﾑﾒｰﾙ,ﾎｽﾄ,共同,試みる,繋げる,引く,ｹｰﾌﾞﾙ,ﾎﾟｰﾄ,固定,貸し出し,ｳｨﾙｽ,分かる,お願い,本来,ﾈｯﾄ,繋がる,ｴﾗｰ,ｳｲﾙｽ,管理,多数,行う,発表,研究,対策,参加,事前,特定,ﾘｾｯﾄ,ｱﾌﾟﾘｹｰｼｮﾝ,ｻｰﾋﾞｽ,ｿﾌﾄｳｴｱ,推進,割り当てる,ｴﾘｱ,杉本,ﾏｰｸ,表示,お世話,ｷｬﾝﾊﾟｽ,記載,今年度,最初,失敗,配る,個人,端末,つながる,求める,いただける,認証,置く,御中,ご存じ,田中,共有,不可,解決,係長,禁止,ﾄﾞﾗｲﾌﾞ,経済,藤本,向け,閲覧,問い合わせ,ない,大変,お手数,おかけ,つなぐ,状態,持つ,助かる,以来,ﾛｸﾞｱｳﾄ,現在,齋藤,内容,ｼｬｯﾄ,みる,大阪市立大学,お送り,岩崎,ﾀﾞｳﾝ,教員,ﾍﾟｰｼﾞ,申請,届く,ｱｶｳﾝﾄ,対応,ﾊﾟｽﾜｰﾄﾞ,ﾉｰﾄ,ﾍﾙﾌﾟ,ﾛｸﾞｲﾝ,印刷,発行,ﾃﾞｽｸ,変更,接続,ﾄｯﾌﾟ,ｲﾝﾀｰﾈｯﾄ,学校,つなげる,質問,ｱｸｾｽ,ﾒｰﾙｱﾄﾞﾚｽ,卒業,容量,発生,公開,学外,ﾃﾞｰﾀ,ﾃﾞｰﾀﾍﾞｰｽ,起動,ｻｰﾊﾞｰ,更新,同期,上限,ｼｽﾃﾑ,対象,動画,ﾏﾆｭｱﾙ,必要,ｱｯﾌﾟ,ﾛｰﾄﾞ,削除,ﾌｧｲﾙ,人事,非常勤,権限,けんか,欲しい,誤る,強制,全学,応答,ｻｰﾊﾞ,再生,非公開,大学,割り当て,指示,添付,展開,拝見,見つける,切れる,ﾌﾟﾗｲﾊﾞｼｰ,保護,検討,名誉,教授,設定,飛ぶ,正規,宛先,有線,新しい,経緯,参照,指定,付与,給与,いう,前期,設置,記事,入力,要求,各種,ｱﾝ,転出,異動,講師,差出人,振る,機器,財務,会計,担当,運用,初期,ﾏｲｸﾛｿﾌﾄ,ｸﾞﾙｰﾌﾟ,外れる,自動的,ﾌｫｰﾑ,問合せ,ﾒﾓﾘ,ﾀﾞﾌﾞﾙ,事務,ｸﾘｯｸ,ｸﾞﾛｰﾊﾞﾙ,導入,使える,ｻｲﾄ,仕様,継続,新規,起きる,同様,ｲﾝﾀｰﾝ,事象,長い,有効,無い,期限,ｹﾞｽﾄ,客員,十分,見る,部署,手続き,開始,不明,作成,退学,退職,ﾀｲﾐﾝｸﾞ,完全,共用,阿倍野,ﾘﾓｰﾄ,証明,試す,ﾕｰｻﾞ,訪問,操作,配信,掲示,最新,でる,用途,ﾐｰﾃｨﾝｸﾞ,外部,補佐,見つかる

Topic # 3 :
ﾛｸﾞｲﾝ,する,ｱｶｳﾝﾄ,ﾊﾟｽﾜｰﾄﾞ,変更,ｲﾝﾀｰﾈｯﾄ,出来る,認証,ｼｽﾃﾑ,有償,できる,削除,全学,申請,接続,分かる,必要,発行,付与,初期,卒業,作成,学生,運用,担当,ﾒｰﾙｱﾄﾞﾚｽ,記事,ある,非常勤,追加,ｲﾝｽﾄｰﾙ,ﾍﾟｰｼﾞ,ｳｲﾙｽ,ｱﾄﾞﾚｽ,非公開,再生,ﾒｰﾙ,応答,ｻｰﾊﾞ,新しい,ﾀﾞｳﾝﾛｰﾄﾞ,対策,有線,動画,ﾌｧｲﾙ,切れる,上限,学校,会計,財務,更新,人事,容量,講師,ｿﾌﾄ,ﾗｲｾﾝｽ,不明,学内,可能,教える,転出,ｱﾝ,異動,退学,退職,ﾀｲﾐﾝｸﾞ,完全,研究,設置,有効,長い,期限,無い,ｹﾞｽﾄ,事前,無線,欲しい,誤る,強制,ﾌﾟﾗｲﾊﾞｼｰ,保護,各種,入力,要求,起動,機器,振る,外れる,自動的,ｸﾞﾙｰﾌﾟ,ｱﾝｹｰﾄ,部署,十分,見る,参加,ﾒﾝﾊﾞｰ,入れる,問い合わせ,固定,出る,権限,発生,公開,ﾃﾞｰﾀ,ﾃﾞｰﾀﾍﾞｰｽ,学外,ｱｸｾｽ,現在,閲覧,拝見,指示,見つける,展開,割り当て,添付,ﾏﾆｭｱﾙ,ｴﾗｰ,表示,入る,なる,来客,対象,教員,使用,求める,最初,記載,配る,今年度,失敗,使う,前期,いう,給与,学部,忘れる,割り当てる,ｿﾌﾄｳｴｱ,ｱﾌﾟﾘｹｰｼｮﾝ,ｻｰﾋﾞｽ,管理,番号,情報,職員,ﾎｽﾄ,共同,わかる,ﾘﾓｰﾄ,利用,ﾄｯﾌﾟ,機能,ﾃﾞｽｸ,ｳｨﾙｽ,ﾌﾟﾘﾝﾀ,同期,試みる,ﾈｯﾄﾜｰｸ,繋がる,ﾌﾟﾘﾝﾀｰ,自宅,貸し出し,ﾎﾟｹｯﾄ,ﾛｸﾞｱｳﾄ,特定,ﾈｯﾄ,包括,よい,ｷｬﾝﾊﾟｽ,けんか,つながる,登録,端末,反映,ｱｯﾌﾟ,ﾛｰﾄﾞ,仕様,継続,正規,停電,切断,個人,取得,状況,ｻｰﾊﾞｰ,ない,飛ぶ,届く,ﾏｲｸﾛｿﾌﾄ,出す,ﾚﾎﾟｰﾄ,授業,いる,検討,居室,病院,勤務,結果,流出,ﾉｰﾄ,切り換える,思う,ﾀﾌﾞﾚｯﾄ,ﾃｷｽﾄ,ﾏｲﾆﾝｸﾞ,参照,経緯,無効,提供,あがる,ﾊﾞｰｼﾞｮﾝ,ｱｯﾌﾟﾃﾞｰﾄ,客員,複合,契約,開始,手続き,設定,教授,名誉,印刷,先生,購入,留学生,ｴﾘｱ,ﾏｰｸ,杉本,迷惑,ｽﾊﾟﾑﾒｰﾙ,ﾎﾟｰﾄ,引く,繋げる,ｹｰﾌﾞﾙ,つなぐ,お手数,おかけ,助かる,大変,持つ,状態,以来,対応,変わる,宛先,回答,いただける,送受信,ﾀﾞｳﾝ,みる,ｼｬｯﾄ,お送り,内容,齋藤,岩崎,大阪市立大学,つなげる,質問,多数,発表,行う,ﾍﾙﾌﾟ,ｸﾞﾛｰﾊﾞﾙ,大学,仮想,ﾒﾓﾘ,指定,差出人,新規,問合せ,ﾌｫｰﾑ,事象,ｲﾝﾀｰﾝ,同様,起きる,ﾘｾｯﾄ,ｱｲｺ,書く,共用,ﾕｰｻﾞ,試す,本来,使える,ｻｲﾄ,証明,お世話,阿倍野,用途,外部,ﾐｰﾃｨﾝｸﾞ,補佐,掲示,配信,最新,操作,ﾄﾞﾗｲﾌﾞ,向け,置く,御中,禁止,田中,共有,不可,係長,解決,ご存じ,藤本,経済,導入,訪問,お願い,推進,でる,見つかる,ｸﾘｯｸ,ﾀﾞﾌﾞﾙ,事務

run-161.txt

(bachelor) user@MacBook-Pro bachelor % python3 ocu1.py     
0            研究発表でZOOMを使いたいが、不特定多数が参加できないように事前登録を行いたい。
1               MacでWindowsPCのおリモートデスクトップを操作する方法を知りたい．
2    事務用共用ファイルサーバーにアクセスできなくなった。\nフォルダをダブルクリックしても「権限...
3                 メールアドレス（@st.osaka-cu.ac.jp）が使用出来ません。
4    自宅のノートPCで、OneDriveにファイルをアップロードするにはどうすれば良いか？個人で...
dtype: object
(bachelor) user@MacBook-Pro bachelor % python3 ocu12.py   
File already exists.
0                       研究 発表 使う 特定 多数 参加 できる 事前 登録 行う
1                                 ﾘﾓｰﾄ ﾃﾞｽｸ ﾄｯﾌﾟ 操作 知る
2    事務 共用 ﾌｧｲﾙ ｻｰﾊﾞｰ ｱｸｾｽ できる なる ﾀﾞﾌﾞﾙ ｸﾘｯｸ する 権限 ...
3                                      ﾒｰﾙｱﾄﾞﾚｽ 使用 出来る
4             自宅 ﾉｰﾄ ﾌｧｲﾙ ｱｯﾌﾟ ﾛｰﾄﾞ する 個人 利用 する ｿﾌﾄ 入る
dtype: object
(bachelor) user@MacBook-Pro bachelor % python3 ocu123.py
File already exists.
(bachelor) user@MacBook-Pro bachelor % python3 ocu1234.py
File already exists.
[[0. 0. 0. ... 0. 0. 0.]
 [0. 0. 0. ... 0. 0. 0.]
 [0. 0. 0. ... 0. 0. 0.]
 ...
 [0. 0. 0. ... 0. 0. 0.]
 [0. 0. 0. ... 0. 0. 0.]
 [0. 0. 0. ... 0. 0. 0.]]
(161, 339)
(bachelor) user@MacBook-Pro bachelor % python3 ocu12345.py
File already exists.
Best Model's Params:  {'n_components': 4}
Best Log Likelihood Score:  -753.8769343783504
Model Perplexity:  1079.4531810072158
(bachelor) user@MacBook-Pro bachelor % python3 ocu123456.py
File already exists.
Best Model's Params:  {'n_components': 4}
Best Log Likelihood Score:  -753.8769343783504
Model Perplexity:  1079.4531810072158

Topic # 0 :
する,ﾈｯﾄﾜｰｸ,対策,ｲﾝｽﾄｰﾙ,ｿﾌﾄ,できる,仮想,ﾀﾞｳﾝﾛｰﾄﾞ,使用,ｳｲﾙｽ,ｳｨﾙｽ,ｱｸｾｽ,出来る,ある,ｻｰﾊﾞｰ,よい,出る,ﾒｰﾙｱﾄﾞﾚｽ,学生,ﾒｰﾙ,けんか,記事,追加,導入,ﾍﾟｰｼﾞ,ﾌｧｲﾙ,ｱﾝ,卒業,表示,必要,繋がる,見つかる,ｴﾗｰ,登録,入れる,非公開,人事,差出人,ﾌﾟﾘﾝﾀ,入る,停電,教授,名誉,いる,ﾛｸﾞｱｳﾄ,ない,権限,切り換える,学校,複合,問い合わせ,病院,勤務,ﾚﾎﾟｰﾄ,出す,留学生,事務,ﾒﾝﾊﾞｰ,授業,ｱﾄﾞﾚｽ,使う,無効,提供,つながる,使える,ｻｲﾄ,端末,調達,一括,異動,転出,試みる,なる,でる,完全,ﾀｲﾐﾝｸﾞ,退学,退職,試す,ﾕｰｻﾞ,失敗,ﾌﾟﾗｲﾊﾞｼｰ,保護,教える,案内,ｱｶｳﾝﾄ,ﾀﾞﾌﾞﾙ,ｸﾘｯｸ,削除,入力,各種,要求,十分,部署,ｱﾝｹｰﾄ,共用,見る,作成,添付,展開,見つける,割り当て,拝見,指示,変わる,ﾏﾆｭｱﾙ,職員,課内,内容,項目,考える,学術,由紀子,伊賀,入れ替える,替え,いただける,内線,恐縮,その他,送信,所属,処理,申し上げる,教示,身分,持つ,お忙しい,おりる,置く,お願い,ﾌｫｰﾑ,担当,情報,番号,ﾍﾙﾌﾟ,ﾃﾞｽｸ,申請,研究,接続,自宅,包括,利用,ﾛｸﾞｲﾝ,ﾗｲｾﾝｽ,ﾘﾓｰﾄ,ｼｽﾃﾑ,ﾄｯﾌﾟ,思う,切断,知る,可能,容量,ﾃﾞｰﾀﾍﾞｰｽ,ﾈｯﾄ,ｲﾝﾀｰﾈｯﾄ,学内,更新,ﾌﾟﾘﾝﾀｰ,継続,分かる,参加,ﾎﾟｹｯﾄ,ｷｬﾝﾊﾟｽ,回答,ｸﾞﾛｰﾊﾞﾙ,ﾛｰﾄﾞ,ｱｯﾌﾟ,教員,居室,参照,経緯,全学,操作,画面,ﾃﾞｰﾀ,公開,学外,発生,発行,起動,ﾀﾌﾞﾚｯﾄ,ﾃｷｽﾄ,ﾏｲﾆﾝｸﾞ,検討,ｻｰﾊﾞ,一時,休止,ﾉｰﾄ,有償,来客,ｸﾞﾙｰﾌﾟ,外れる,自動的,大学,正規,客員,設定,忘れる,学部,ﾊﾟｽﾜｰﾄﾞ,付与,証明,閲覧,契約,ﾂｰﾙ,使い方,講師,ｽﾊﾟﾑﾒｰﾙ,迷惑,同期,財務,会計,設置,再生,届く,上限,強制,誤る,大阪市立大学,ｴﾘｱ,杉本,ﾏｰｸ,前期,給与,いう,購入,機能,印刷,運用,つなげる,飛ぶ,新しい,仕様,開設,ﾎｰﾑﾍﾟｰｼﾞ,新規,指定,あける,常勤,有線,宛先,貸し出し,遠隔,対象,不可,共有,解決,御中,ご存じ,お世話,経済,藤本,ﾄﾞﾗｲﾌﾞ,向け,禁止,係長,田中,切れる,現在,ｱﾌﾟﾘｹｰｼｮﾝ,ｿﾌﾄｳｴｱ,ｻｰﾋﾞｽ,管理,開始,手続き,年度,もつ,引き継ぐ,結果,流出,機器,振る,個人,状況,ｱｲｺ,書く,初期,ﾒﾓﾘ,質問,引く,ﾎﾟｰﾄ,ｹｰﾌﾞﾙ,繋げる,ｱｯﾌﾟﾃﾞｰﾄ,無線,求める,認証,非常勤,ﾊﾞｰｼﾞｮﾝ,あがる,最初,配る,今年度,記載,わかる,推進,配信,最新,掲示,反映,取得,先生,問合せ,事前,ﾎｽﾄ,共同,動画,阿倍野,安否,確認,受ける,のく,不明,長い,ｹﾞｽﾄ,有効,期限,無い,送受信,特定,代理,変更,割り当てる,ｲﾝﾀｰﾝ,起きる,同様,事象,発表,多数,行う,対応,用途,外部,補佐,ﾐｰﾃｨﾝｸﾞ,欲しい,固定,訪問

Topic # 1 :
できる,接続,ﾃﾞｽｸ,ﾄｯﾌﾟ,印刷,ﾘﾓｰﾄ,ﾒｰﾙ,ｻｰﾊﾞｰ,ﾍﾙﾌﾟ,教える,する,正規,ある,送受信,質問,ｲﾝｽﾄｰﾙ,対応,貸し出し,学内,無線,出来る,切断,ﾈｯﾄﾜｰｸ,可能,特定,事前,研究,なる,ﾌﾟﾘﾝﾀｰ,ﾈｯﾄ,証明,ｱｯﾌﾟﾃﾞｰﾄ,学部,忘れる,ﾌﾟﾘﾝﾀ,申請,つなげる,教員,飛ぶ,届く,ﾒﾓﾘ,状況,自宅,遠隔,訪問,あがる,ﾊﾞｰｼﾞｮﾝ,問合せ,ｸﾞﾛｰﾊﾞﾙ,授業,ｴﾗｰ,知る,ﾌｫｰﾑ,操作,問い合わせ,宛先,表示,受ける,のく,ﾀﾌﾞﾚｯﾄ,繋げる,引く,ｹｰﾌﾞﾙ,ﾎﾟｰﾄ,ｱﾄﾞﾚｽ,設置,繋がる,行う,多数,発表,参加,使う,もつ,引き継ぐ,年度,登録,事象,起きる,ｲﾝﾀｰﾝ,同様,必要,ﾒｰﾙｱﾄﾞﾚｽ,ﾎﾟｹｯﾄ,ｼｽﾃﾑ,ﾗｲｾﾝｽ,置く,回答,ない,藤本,お世話,解決,ご存じ,係長,向け,ﾄﾞﾗｲﾌﾞ,共有,禁止,不可,田中,御中,経済,ﾉｰﾄ,ﾛｸﾞｲﾝ,お願い,推進,ﾊﾟｽﾜｰﾄﾞ,導入,継続,よい,発行,閲覧,情報,使用,個人,ﾀﾞｳﾝﾛｰﾄﾞ,思う,入れる,保護,ﾌﾟﾗｲﾊﾞｼｰ,学生,利用,職員,入る,ﾃﾞｰﾀﾍﾞｰｽ,ﾍﾟｰｼﾞ,更新,発生,公開,学外,ﾃﾞｰﾀ,ﾛｸﾞｱｳﾄ,容量,作成,ｲﾝﾀｰﾈｯﾄ,削除,追加,複合,ｱｶｳﾝﾄ,番号,ﾌｧｲﾙ,居室,差出人,分かる,試みる,ｷｬﾝﾊﾟｽ,担当,上限,ﾚﾎﾟｰﾄ,出す,停電,けんか,ｿﾌﾄ,変わる,ﾒﾝﾊﾞｰ,ｱﾝｹｰﾄ,有線,切れる,卒業,経緯,参照,ﾏﾆｭｱﾙ,ﾂｰﾙ,使い方,人事,いる,ﾕｰｻﾞ,試す,全学,見る,端末,事務,ｳｲﾙｽ,ﾛｰﾄﾞ,ｱｯﾌﾟ,同期,ｱｸｾｽ,共用,失敗,起動,一時,休止,画面,検討,設定,客員,包括,ｽﾊﾟﾑﾒｰﾙ,迷惑,来客,非公開,勤務,病院,ﾃｷｽﾄ,ﾏｲﾆﾝｸﾞ,名誉,教授,財務,会計,大学,講師,再生,対象,杉本,ｴﾘｱ,ﾏｰｸ,付与,大阪市立大学,対策,契約,仕様,機能,内容,内線,処理,入れ替える,学術,申し上げる,由紀子,送信,教示,課内,所属,考える,お忙しい,恐縮,替え,持つ,項目,身分,おりる,伊賀,いただける,その他,ﾎｰﾑﾍﾟｰｼﾞ,開設,見つかる,切り換える,有償,常勤,あける,新しい,前期,給与,いう,記事,手続き,開始,運用,外れる,ｸﾞﾙｰﾌﾟ,自動的,誤る,強制,機器,振る,新規,指定,学校,書く,ｱｲｺ,ｻｰﾊﾞ,初期,結果,流出,認証,ｻｲﾄ,使える,つながる,入力,要求,各種,現在,ｱﾝ,最新,配信,掲示,留学生,非常勤,ｱﾌﾟﾘｹｰｼｮﾝ,ｻｰﾋﾞｽ,ｿﾌﾄｳｴｱ,管理,わかる,購入,異動,転出,反映,取得,阿倍野,共同,ﾎｽﾄ,拝見,添付,見つける,展開,割り当て,指示,記載,今年度,配る,最初,無効,提供,ﾀｲﾐﾝｸﾞ,完全,退職,退学,動画,安否,確認,無い,有効,長い,期限,ｹﾞｽﾄ,部署,十分,求める,不明,でる,仮想,変更,ﾐｰﾃｨﾝｸﾞ,外部,補佐,用途,代理,割り当てる,欲しい,ﾀﾞﾌﾞﾙ,ｸﾘｯｸ,先生,固定,調達,一括,案内,ｳｨﾙｽ,出る,権限

Topic # 2 :
する,利用,ﾛｸﾞｲﾝ,ﾊﾟｽﾜｰﾄﾞ,認証,なる,ﾗｲｾﾝｽ,ｼｽﾃﾑ,変更,発行,ｱｶｳﾝﾄ,有償,包括,初期,全学,ｿﾌﾄ,入る,ﾒｰﾙｱﾄﾞﾚｽ,ﾒｰﾙ,わかる,確認,安否,分かる,出来る,非常勤,継続,付与,学生,使用,自宅,ある,研究,運用,情報,担当,削除,可能,不明,ﾉｰﾄ,検討,追加,職員,現在,参照,経緯,知る,ﾛｸﾞｱｳﾄ,作成,客員,対象,求める,一時,休止,大学,ﾏｲﾆﾝｸﾞ,ﾃｷｽﾄ,契約,来客,講師,書く,ｱｲｺ,会計,財務,容量,申請,画面,ﾀﾞｳﾝﾛｰﾄﾞ,ﾂｰﾙ,使い方,更新,個人,仕様,使う,ﾎﾟｹｯﾄ,番号,開始,手続き,ﾈｯﾄ,繋がる,ｽﾊﾟﾑﾒｰﾙ,迷惑,教える,表示,思う,ｲﾝﾀｰﾈｯﾄ,閲覧,入れる,登録,教員,給与,前期,いう,ﾛｰﾄﾞ,ｱｯﾌﾟ,必要,常勤,あける,ﾌｧｲﾙ,ｸﾞﾙｰﾌﾟ,自動的,外れる,推進,参加,人事,ﾒﾝﾊﾞｰ,発生,ﾃﾞｰﾀ,学外,公開,今年度,配る,最初,記載,ﾏｰｸ,杉本,ｴﾘｱ,お願い,卒業,ﾃﾞｰﾀﾍﾞｰｽ,失敗,ｷｬﾝﾊﾟｽ,ﾍﾟｰｼﾞ,ｴﾗｰ,お世話,経済,ﾄﾞﾗｲﾌﾞ,共有,ご存じ,解決,係長,田中,藤本,御中,不可,禁止,向け,置く,回答,ない,できる,問い合わせ,届く,試す,ﾕｰｻﾞ,学内,居室,停電,ｲﾝｽﾄｰﾙ,対応,正規,印刷,ﾌﾟﾘﾝﾀ,見つかる,導入,ﾍﾙﾌﾟ,学部,忘れる,複合,いる,ﾀﾌﾞﾚｯﾄ,設置,ﾃﾞｽｸ,ｳｨﾙｽ,ﾌﾟﾘﾝﾀｰ,ｱﾄﾞﾚｽ,ｱﾝｹｰﾄ,ﾈｯﾄﾜｰｸ,要求,各種,入力,接続,貸し出し,機器,振る,対策,管理,ｻｰﾋﾞｽ,ｿﾌﾄｳｴｱ,ｱﾌﾟﾘｹｰｼｮﾝ,事前,無線,ﾘﾓｰﾄ,ﾄｯﾌﾟ,割り当てる,試みる,ｱｸｾｽ,差出人,授業,固定,けんか,見る,操作,ｸﾞﾛｰﾊﾞﾙ,ﾏﾆｭｱﾙ,共用,ｻｰﾊﾞｰ,起動,切断,事務,ﾌｫｰﾑ,変わる,非公開,完全,退学,退職,ﾀｲﾐﾝｸﾞ,新しい,端末,設定,上限,名誉,教授,再生,切り換える,病院,勤務,引き継ぐ,年度,もつ,ｱｯﾌﾟﾃﾞｰﾄ,大阪市立大学,同期,ﾚﾎﾟｰﾄ,出す,開設,ﾎｰﾑﾍﾟｰｼﾞ,強制,誤る,学校,機能,記事,反映,取得,証明,購入,宛先,有線,切れる,新規,指定,よい,ﾒﾓﾘ,流出,結果,ﾌﾟﾗｲﾊﾞｼｰ,保護,飛ぶ,遠隔,状況,動画,留学生,つなげる,送受信,あがる,ﾊﾞｰｼﾞｮﾝ,共同,ﾎｽﾄ,提供,無効,つながる,使える,ｻｲﾄ,ｱﾝ,事象,同様,起きる,ｲﾝﾀｰﾝ,ｻｰﾊﾞ,繋げる,引く,ﾎﾟｰﾄ,ｹｰﾌﾞﾙ,問合せ,最新,配信,掲示,異動,転出,展開,添付,見つける,割り当て,拝見,指示,仮想,部署,十分,先生,期限,有効,無い,ｹﾞｽﾄ,長い,ｳｲﾙｽ,代理,のく,受ける,質問,阿倍野,ﾐｰﾃｨﾝｸﾞ,用途,外部,補佐,ﾀﾞﾌﾞﾙ,ｸﾘｯｸ,特定,でる,案内,発表,多数,行う,訪問,欲しい,権限,出る,調達,一括,所属,お忙しい,由紀子,恐縮,おりる,学術,教示,いただける,持つ,内線,その他,項目,替え,処理,内容,送信,身分,課内,入れ替える,考える,伊賀,申し上げる

Topic # 3 :
する,使用,できる,ｱｶｳﾝﾄ,ﾌﾟﾘﾝﾀｰ,ﾈｯﾄﾜｰｸ,ｲﾝﾀｰﾈｯﾄ,可能,接続,動画,ｱﾄﾞﾚｽ,設定,出来る,起動,同期,ｲﾝｽﾄｰﾙ,機能,申請,追加,固定,共用,なる,ﾒｰﾙ,ｱｯﾌﾟ,ﾛｰﾄﾞ,番号,職員,ﾌﾟﾘﾝﾀ,欲しい,先生,大阪市立大学,必要,再生,研究,居室,割り当てる,新しい,有線,複合,上限,切れる,差出人,ｱｸｾｽ,開設,ﾎｰﾑﾍﾟｰｼﾞ,作成,容量,思う,購入,学内,ｻｰﾊﾞ,見る,流出,結果,新規,指定,取得,反映,ｱﾝｹｰﾄ,回答,試みる,変わる,共同,ﾎｽﾄ,事務,最新,掲示,配信,阿倍野,教える,ﾌｧｲﾙ,用途,補佐,ﾐｰﾃｨﾝｸﾞ,外部,分かる,ｹﾞｽﾄ,無い,期限,長い,有効,ﾏﾆｭｱﾙ,操作,ｷｬﾝﾊﾟｽ,ｸﾞﾛｰﾊﾞﾙ,端末,学生,誤る,強制,全学,機器,振る,ｱﾌﾟﾘｹｰｼｮﾝ,管理,ｻｰﾋﾞｽ,ｿﾌﾄｳｴｱ,削除,代理,ﾃﾞｰﾀﾍﾞｰｽ,更新,表示,ｼｽﾃﾑ,ﾛｸﾞｲﾝ,利用,使う,自宅,繋がる,入れる,ｴﾗｰ,ﾒｰﾙｱﾄﾞﾚｽ,ﾛｸﾞｱｳﾄ,来客,知る,登録,ある,入る,ﾎﾟｹｯﾄ,切断,継続,試す,ﾕｰｻﾞ,授業,ﾒﾝﾊﾞｰ,卒業,けんか,発行,大学,ﾀﾞｳﾝﾛｰﾄﾞ,ﾗｲｾﾝｽ,停電,ﾈｯﾄ,ﾍﾟｰｼﾞ,教員,ｻｰﾊﾞｰ,経緯,参照,人事,いる,参加,担当,ｿﾌﾄ,失敗,ﾏｲﾆﾝｸﾞ,ﾃｷｽﾄ,正規,ﾉｰﾄ,ない,設置,問い合わせ,検討,ﾀﾌﾞﾚｯﾄ,飛ぶ,各種,要求,入力,導入,情報,置く,ﾌｫｰﾑ,一時,休止,教授,名誉,客員,お願い,包括,ﾂｰﾙ,使い方,ﾍﾙﾌﾟ,非公開,ﾊﾟｽﾜｰﾄﾞ,学部,忘れる,印刷,ﾃﾞｽｸ,付与,杉本,ｴﾘｱ,ﾏｰｸ,会計,財務,見つかる,講師,公開,発生,学外,ﾃﾞｰﾀ,画面,ﾚﾎﾟｰﾄ,出す,対象,ｽﾊﾟﾑﾒｰﾙ,迷惑,常勤,あける,届く,個人,学校,運用,勤務,病院,有償,退職,退学,完全,ﾀｲﾐﾝｸﾞ,よい,契約,仕様,記事,切り換える,つなげる,ﾌﾟﾗｲﾊﾞｼｰ,保護,無線,貸し出し,ｱｲｺ,書く,宛先,給与,いう,前期,証明,手続き,開始,ｸﾞﾙｰﾌﾟ,自動的,外れる,状況,事前,使える,つながる,ｻｲﾄ,ｱｯﾌﾟﾃﾞｰﾄ,遠隔,ﾒﾓﾘ,閲覧,配る,最初,今年度,記載,初期,ﾘﾓｰﾄ,留学生,認証,ｱﾝ,非常勤,現在,ﾊﾞｰｼﾞｮﾝ,あがる,ﾄｯﾌﾟ,求める,わかる,田中,御中,お世話,係長,藤本,ご存じ,向け,解決,禁止,ﾄﾞﾗｲﾌﾞ,経済,共有,不可,質問,部署,十分,ｸﾘｯｸ,ﾀﾞﾌﾞﾙ,もつ,引き継ぐ,年度,転出,異動,問合せ,見つける,添付,拝見,指示,展開,割り当て,提供,無効,仮想,変更,ｹｰﾌﾞﾙ,引く,ﾎﾟｰﾄ,繋げる,送受信,確認,安否,ｲﾝﾀｰﾝ,事象,起きる,同様,のく,受ける,ｳｲﾙｽ,不明,推進,特定,案内,でる,権限,対応,ｳｨﾙｽ,対策,発表,行う,多数,出る,訪問,一括,調達,由紀子,申し上げる,教示,いただける,送信,おりる,項目,お忙しい,入れ替える,内線,内容,その他,持つ,恐縮,所属,伊賀,替え,課内,学術,処理,考える,身分

run-70.txt

(bachelor) user@MacBook-Pro bachelor % python3 ocu1.py
0    マイクロソフトOffice365を新規のPCにインストールするため、現在使用していないPCか...
1    事務用共用ファイルサーバーにアクセスできなくなった。\nフォルダをダブルクリックしても「権限...
2          プリンタが使えない。ネットワークにはつながっていて、市大のサイト等にはアクセスできる。
3                                各学部のメールのパスワードを忘れてしまった
4      ocunet3vpnについての質問なのですが，研究室のネットワークにつなげることができません。
dtype: object
(bachelor) user@MacBook-Pro bachelor % python3 ocu12.py    
File already exists.
0      ﾏｲｸﾛｿﾌﾄ 新規 ｲﾝｽﾄｰﾙ 現在 使用 する ｱｶｳﾝﾄ 削除 する する 使用 する
1    事務 共用 ﾌｧｲﾙ ｻｰﾊﾞｰ ｱｸｾｽ できる なる ﾀﾞﾌﾞﾙ ｸﾘｯｸ する 権限 ...
2                       ﾌﾟﾘﾝﾀ 使える ﾈｯﾄﾜｰｸ つながる ｻｲﾄ ｱｸｾｽ
3                                   学部 ﾒｰﾙ ﾊﾟｽﾜｰﾄﾞ 忘れる
4                                質問 研究 ﾈｯﾄﾜｰｸ つなげる できる
dtype: object
(bachelor) user@MacBook-Pro bachelor % python3 ocu123.py
File already exists.
(bachelor) user@MacBook-Pro bachelor % python3 ocu1234.py
File already exists.
[[0. 0. 0. ... 0. 0. 0.]
 [0. 0. 0. ... 0. 0. 0.]
 [0. 0. 0. ... 0. 0. 0.]
 ...
 [0. 0. 0. ... 0. 0. 0.]
 [0. 0. 0. ... 0. 0. 0.]
 [0. 0. 0. ... 0. 0. 0.]]
(65, 167)
(bachelor) user@MacBook-Pro bachelor % python3 ocu12345.py
File already exists.
Best Model's Params:  {'n_components': 4}
Best Log Likelihood Score:  -291.597016980809
Model Perplexity:  818.9863302067137
(bachelor) user@MacBook-Pro bachelor % python3 ocu123456.py
File already exists.
Best Model's Params:  {'n_components': 4}
Best Log Likelihood Score:  -291.597016980809
Model Perplexity:  818.9863302067137

Topic # 0 :
できる,ﾒｰﾙ,なる,ﾛｸﾞｲﾝ,ある,接続,わかる,ｻｰﾊﾞｰ,ｱｸｾｽ,けんか,する,設定,発行,印刷,包括,ﾈｯﾄﾜｰｸ,出来る,有償,ｱｶｳﾝﾄ,ﾗｲｾﾝｽ,情報,ｱｯﾌﾟﾃﾞｰﾄ,分かる,上限,学生,ﾍﾟｰｼﾞ,権限,質問,つなげる,勤務,病院,使う,送受信,教える,会計,財務,容量,ﾄｯﾌﾟ,ﾘﾓｰﾄ,ﾃﾞｽｸ,研究,ｻｲﾄ,使える,つながる,ｽﾊﾟﾑﾒｰﾙ,迷惑,提供,無効,ｳｨﾙｽ,ｼｽﾃﾑ,異動,転出,ｱﾝ,人事,入れる,ﾌﾟﾘﾝﾀ,必要,入る,対策,ｿﾌﾄ,ｲﾝｽﾄｰﾙ,ｸﾘｯｸ,ﾀﾞﾌﾞﾙ,共用,事務,ない,見る,部署,作成,問い合わせ,十分,出る,表示,ﾌｧｲﾙ,記事,差出人,ﾛｸﾞｱｳﾄ,公開,発生,ｴﾗｰ,閲覧,ﾃﾞｰﾀﾍﾞｰｽ,ﾃﾞｰﾀ,学外,更新,追加,ｱﾄﾞﾚｽ,使用,繋がる,起動,動画,削除,変更,固定,申請,ﾌﾟﾘﾝﾀｰ,ﾊﾞｰｼﾞｮﾝ,あがる,非公開,思う,職員,停電,検討,学部,忘れる,ﾏﾆｭｱﾙ,見つける,拝見,割り当て,添付,指示,展開,仮想,ﾏｲｸﾛｿﾌﾄ,新規,現在,切断,初期,利用,機能,ﾎｽﾄ,共同,可能,自宅,再生,名誉,教授,応答,ｻｰﾊﾞ,ｲﾝﾀｰﾈｯﾄ,ﾊﾟｽﾜｰﾄﾞ,試みる,ｱｯﾌﾟ,ﾛｰﾄﾞ,ｷｬﾝﾊﾟｽ,割り当てる,阿倍野,ｸﾞﾛｰﾊﾞﾙ,端末,切れる,学内,複合,認証,出す,ﾚﾎﾟｰﾄ,授業,試す,ﾕｰｻﾞ,見つかる,登録,ﾌﾟﾗｲﾊﾞｼｰ,保護,大学,全学,機器,振る,取得,反映,繋げる,ﾈｯﾄ,ﾎﾟｰﾄ,引く,ｹｰﾌﾞﾙ,ﾀﾞｳﾝﾛｰﾄﾞ,ｳｲﾙｽ,運用,担当

Topic # 1 :
する,ｲﾝﾀｰﾈｯﾄ,接続,ﾈｯﾄﾜｰｸ,自宅,再生,動画,固定,ﾛｸﾞｱｳﾄ,ｲﾝｽﾄｰﾙ,名誉,教授,ｱﾄﾞﾚｽ,複合,差出人,必要,申請,切れる,学内,授業,出す,ﾚﾎﾟｰﾄ,使用,出来る,教える,追加,反映,取得,引く,ﾎﾟｰﾄ,繋げる,ｹｰﾌﾞﾙ,ﾈｯﾄ,分かる,繋がる,機器,振る,研究,ｼｽﾃﾑ,できる,設定,ｱｶｳﾝﾄ,なる,学生,印刷,記事,けんか,入れる,ﾗｲｾﾝｽ,起動,容量,ﾌﾟﾘﾝﾀ,送受信,削除,入る,ﾒｰﾙ,対策,ｿﾌﾄ,変更,ある,発行,表示,ﾌｧｲﾙ,有償,非公開,ﾍﾟｰｼﾞ,検討,包括,上限,仮想,わかる,ﾏｲｸﾛｿﾌﾄ,新規,現在,端末,ｷｬﾝﾊﾟｽ,割り当てる,ｸﾞﾛｰﾊﾞﾙ,阿倍野,人事,転出,ｱﾝ,異動,質問,つなげる,使う,勤務,病院,切断,職員,思う,会計,財務,情報,学部,忘れる,停電,つながる,使える,ｻｲﾄ,試みる,ﾛｰﾄﾞ,ｱｯﾌﾟ,ｻｰﾊﾞｰ,ﾊﾞｰｼﾞｮﾝ,あがる,ｱｯﾌﾟﾃﾞｰﾄ,ﾎｽﾄ,可能,共同,機能,初期,ﾃﾞｽｸ,ﾄｯﾌﾟ,ﾘﾓｰﾄ,無効,ｳｨﾙｽ,提供,ｽﾊﾟﾑﾒｰﾙ,迷惑,ﾌﾟﾘﾝﾀｰ,ｻｰﾊﾞ,応答,ﾛｸﾞｲﾝ,試す,ﾕｰｻﾞ,登録,見つかる,利用,認証,ﾊﾟｽﾜｰﾄﾞ,部署,作成,問い合わせ,出る,十分,見る,指示,見つける,割り当て,展開,添付,拝見,ﾏﾆｭｱﾙ,ｱｸｾｽ,全学,大学,保護,ﾌﾟﾗｲﾊﾞｼｰ,共用,ない,事務,ﾀﾞﾌﾞﾙ,ｸﾘｯｸ,権限,ﾀﾞｳﾝﾛｰﾄﾞ,ｳｲﾙｽ,学外,公開,閲覧,ﾃﾞｰﾀ,ｴﾗｰ,ﾃﾞｰﾀﾍﾞｰｽ,発生,担当,運用,更新

Topic # 2 :
する,運用,担当,削除,変更,追加,切断,ｳｲﾙｽ,ﾀﾞｳﾝﾛｰﾄﾞ,対策,ｿﾌﾄ,ｻｰﾊﾞ,応答,設定,差出人,大学,ｱﾄﾞﾚｽ,更新,ﾗｲｾﾝｽ,容量,ﾈｯﾄﾜｰｸ,使用,出来る,ﾌﾟﾗｲﾊﾞｼｰ,保護,表示,公開,発生,ｴﾗｰ,ﾃﾞｰﾀ,学外,閲覧,ﾃﾞｰﾀﾍﾞｰｽ,接続,ﾍﾟｰｼﾞ,研究,なる,できる,ｲﾝｽﾄｰﾙ,入れる,ｱｶｳﾝﾄ,ｼｽﾃﾑ,学生,印刷,記事,繋がる,けんか,教える,起動,分かる,送受信,ﾌﾟﾘﾝﾀ,動画,ﾒｰﾙ,入る,固定,発行,提供,無効,ｳｨﾙｽ,ある,必要,ﾌｧｲﾙ,包括,仮想,申請,現在,新規,ﾏｲｸﾛｿﾌﾄ,非公開,検討,有償,上限,ﾛｸﾞｱｳﾄ,わかる,複合,使う,病院,勤務,思う,職員,情報,質問,つなげる,忘れる,学部,停電,会計,財務,ｱｯﾌﾟﾃﾞｰﾄ,あがる,ﾊﾞｰｼﾞｮﾝ,認証,つながる,ｻｲﾄ,使える,迷惑,ｽﾊﾟﾑﾒｰﾙ,共同,機能,ﾎｽﾄ,可能,再生,自宅,教授,名誉,阿倍野,ｷｬﾝﾊﾟｽ,割り当てる,端末,ｸﾞﾛｰﾊﾞﾙ,初期,ﾃﾞｽｸ,ﾘﾓｰﾄ,ﾄｯﾌﾟ,ｻｰﾊﾞｰ,ﾊﾟｽﾜｰﾄﾞ,転出,人事,異動,ｱﾝ,試みる,ﾛｰﾄﾞ,ｱｯﾌﾟ,ﾌﾟﾘﾝﾀｰ,ﾛｸﾞｲﾝ,全学,利用,十分,問い合わせ,部署,見る,作成,出る,ﾏﾆｭｱﾙ,割り当て,見つける,添付,指示,拝見,展開,ｱｸｾｽ,授業,出す,ﾚﾎﾟｰﾄ,学内,切れる,登録,見つかる,ﾕｰｻﾞ,試す,ﾀﾞﾌﾞﾙ,事務,共用,ｸﾘｯｸ,ない,ｲﾝﾀｰﾈｯﾄ,取得,反映,機器,振る,権限,ｹｰﾌﾞﾙ,ﾎﾟｰﾄ,繋げる,ﾈｯﾄ,引く

Topic # 3 :
する,利用,ﾈｯﾄﾜｰｸ,ﾌﾟﾘﾝﾀｰ,出来る,できる,ﾊﾟｽﾜｰﾄﾞ,印刷,全学,ﾒｰﾙ,使用,起動,認証,ﾌﾟﾘﾝﾀ,入る,なる,繋がる,検討,ｼｽﾃﾑ,非公開,停電,記事,ﾌｧｲﾙ,仮想,学部,忘れる,ｱｶｳﾝﾄ,学生,あがる,ﾊﾞｰｼﾞｮﾝ,初期,送受信,変更,追加,ｱｯﾌﾟ,試みる,ﾛｰﾄﾞ,職員,思う,接続,ｸﾞﾛｰﾊﾞﾙ,端末,阿倍野,割り当てる,ｷｬﾝﾊﾟｽ,動画,入れる,見つかる,登録,試す,ﾕｰｻﾞ,ﾎｽﾄ,可能,共同,機能,申請,固定,ある,ｱﾄﾞﾚｽ,現在,ﾏｲｸﾛｿﾌﾄ,新規,研究,ｲﾝｽﾄｰﾙ,削除,ﾏﾆｭｱﾙ,割り当て,展開,見つける,添付,指示,拝見,設定,差出人,ﾗｲｾﾝｽ,けんか,分かる,容量,教える,発行,ｿﾌﾄ,対策,必要,ﾛｸﾞｱｳﾄ,切断,表示,ﾍﾟｰｼﾞ,財務,会計,つながる,ｻｲﾄ,使える,質問,つなげる,包括,有償,わかる,ｽﾊﾟﾑﾒｰﾙ,迷惑,勤務,使う,病院,上限,ｱｯﾌﾟﾃﾞｰﾄ,情報,複合,名誉,教授,ﾘﾓｰﾄ,ﾄｯﾌﾟ,ﾃﾞｽｸ,ｻｰﾊﾞｰ,再生,無効,提供,ｳｨﾙｽ,自宅,ｲﾝﾀｰﾈｯﾄ,ﾛｸﾞｲﾝ,ｱｸｾｽ,応答,ｻｰﾊﾞ,異動,ｱﾝ,転出,人事,出る,十分,問い合わせ,部署,見る,作成,大学,ｸﾘｯｸ,事務,ﾀﾞﾌﾞﾙ,ない,共用,学内,切れる,授業,ﾚﾎﾟｰﾄ,出す,振る,機器,繋げる,ﾎﾟｰﾄ,ﾈｯﾄ,ｹｰﾌﾞﾙ,引く,権限,発生,ﾃﾞｰﾀﾍﾞｰｽ,ﾃﾞｰﾀ,学外,閲覧,公開,ｴﾗｰ,反映,取得,ﾀﾞｳﾝﾛｰﾄﾞ,ｳｲﾙｽ,ﾌﾟﾗｲﾊﾞｼｰ,保護,担当,運用,更新

Run139 ocu123.py

Run139 ocu12345.py

Run161 ocu123.py

Run161 ocu12345.py

Run161 ocu123456.py